- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
给定一个核苷酸序列,我正在编写一些 Julia 代码来生成(屏蔽的)kmer 计数的稀疏向量,我希望它尽可能快地运行。
这是我当前的实现,
using Distributions
using SparseArrays
function kmer_profile(seq, k, mask)
basis = [4^i for i in (k - 1):-1:0]
d = Dict('A'=>0, 'C'=>1, 'G'=>2, 'T'=>3)
kmer_dict = Dict{Int, Int32}(4^k=>0)
for n in 1:(length(seq) - length(mask) + 1)
kmer_hash = 1
j = 1
for i in 1:length(mask)
if mask[i]
kmer_hash += d[seq[n+i-1]] * basis[j]
j += 1
end
end
haskey(kmer_dict, kmer_hash) ? kmer_dict[kmer_hash] += 1 : kmer_dict[kmer_hash] = 1
end
return sparsevec(kmer_dict)
end
seq = join(sample(['A','C','G','T'], 1000000))
mask_str = "111111011111001111111111111110"
mask = BitArray([parse(Bool, string(m)) for m in split(mask_str, "")])
k = sum(mask)
@time kmer_profile(seq, k, mask)
这段代码在我的 M1 MacBook Pro 上运行大约需要 0.3 秒,有什么方法可以让它运行得更快吗?
函数kmer_profile
使用大小为length(mask)
的滑动窗口来计算每个掩码kmer出现在核苷酸序列中的次数。掩码是二进制序列,掩码kmer是在掩码为零的位置处掉落核苷酸的kmer。例如。 kmer ACGT
和掩码 1001
将生成掩码 kmer AT
。
为了生成 kmer 哈希,该函数将每个 kmer 视为基数 4 的数字,然后将其转换为(基数 10)64 位整数,用于索引到 kmer 向量。
k 的大小等于掩码字符串中 1 的数量,并且隐式限制为 31,以便 kmer 哈希可以适合 64 位整数类型。
最佳答案
有几种可能的优化可以使此代码更快。
首先,可以将 Dict 转换为数组,因为基于数组的索引比基于字典的索引更快,而且这里可以实现这一点,因为键是 ASCII 字符。 p>
此外,通过预先计算代码并将结果放入临时数组,可以提取一次序列代码,而不是length(mask)
次。
此外,基于mask
的条件和循环携带的依赖使事情变得很慢。事实上,处理器无法(轻松)预测该情况,导致其停顿几个周期。循环携带的依赖性使事情变得更糟,因为处理器在此停顿期间几乎无法执行其他指令。这个问题可以通过基于mask
和basis
预先计算因子来解决。结果是更快的无分支循环。
完成上述优化后,最大的瓶颈是sparsevec
。事实上,它也花费了最初实现的近一半时间!优化这一步很困难,但并非不可能。由于 Julia 实现中的随机访问,速度很慢。首先可以通过对键值对进行排序来加快速度。由于更适合缓存的执行,它的速度更快,并且还可以帮助处理器的预测单元。这是一个复杂的话题。有关其工作原理的更多详细信息,请阅读 Why is processing a sorted array faster than processing an unsorted array? .
这是最终优化的代码:
function kmer_profile_opt(seq, k, mask)
basis = [4^i for i in (k - 1):-1:0]
d = zeros(Int8, 128)
d[Int64('A')] = 0
d[Int64('C')] = 1
d[Int64('G')] = 2
d[Int64('T')] = 3
seq_codes = [d[Int8(e)] for e in seq]
j = 1
premult = zeros(Int64, length(mask))
for i in 1:length(mask)
if mask[i]
premult[i] = basis[j]
j += 1
end
end
kmer_dict = Dict{Int, Int32}(4^k=>0)
for n in 1:(length(seq) - length(mask) + 1)
kmer_hash = 1
j = 1
for i in 1:length(mask)
kmer_hash += seq_codes[n+i-1] * premult[i]
end
haskey(kmer_dict, kmer_hash) ? kmer_dict[kmer_hash] += 1 : kmer_dict[kmer_hash] = 1
end
sorted_kmer_pairs = sort(collect(kmer_dict))
sorted_kmer_keys = [e[1] for e in sorted_kmer_pairs]
sorted_kmer_values = [e[2] for e in sorted_kmer_pairs]
return sparsevec(sorted_kmer_keys, sorted_kmer_values)
end
此代码比我机器上的初始实现快两倍。很大一部分时间仍然花在排序算法上。
代码还可以进一步优化。一种方法是使用并行排序算法。另一种方法是用移位替换 premult[i]
乘法,假设 premult[i]
已修改为包含指数,则移位速度更快。我预计该代码比原始代码快大约 4 倍。主要瓶颈应该是大字典的创建。进一步提高其性能非常困难(尽管仍然有可能)。
关于performance - 从核苷酸序列生成 kmer 计数向量的最快方法 (Julia),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/75263837/
我正在阅读 Python 文档以真正深入了解 Python 语言,并遇到了 filter 和 map 函数。我以前使用过过滤器,但从未使用过映射,尽管我在 SO 上的各种 Python 问题中都见过这
当我尝试打印 BST 的级别顺序时,这个问题提示了我。 这是一个 Pre-Order Sequence: 4, 1, 2, 3, 5, 6, 7, 8 In_order Sequence : 1, 2
我的代码在 main(序列测试;)的第一行出现错误,指出它是对 sequence::sequence() 的 undefined reference 。我无法更改 main 中的代码。有谁知道我该如何
这可能很简单,但我在通常的 latex 指南中找不到任何相关内容。在这句话中: {\em hello\/} “\/”的目的是什么? 最佳答案 这就是所谓的斜体校正。其目的是确保斜体文本后有适当的间距。
当我从 Postgresql 表中删除所有记录,然后尝试重置序列以在插入时开始一个编号为 1 的新记录时,我得到不同的结果: SELECT setval('tblname_id_seq', (SELE
在版本10.0.3中,MariaDB引入了一种称为序列的存储引擎。 其ad hoc为操作生成整数序列,然后终止。 该序列包含正整数,以降序或升序排列,并使用起始,结束和递增值。 它不允许在多个查询中
如何在 Groovy 中获取给定数字的序列,例如: def number = 169 // need a method in groovy to find the consecutive number
基本上,如果这是 .NET,它看起来像这样: ISomething { string A { get; } int B { get; } } var somethings = new List
说以下代码部分(同一块): A <= 1 A <= 2 变量 A 总是被赋值为 2 吗?还是会出现竞争条件并分配 1 或 2? 我对非阻塞赋值的理解是,由硬件在 future 分配变量 A,因此它可能
在运行 WiX 设置时,我正在寻找操作列表及其顺序。不知何故,官方网站似乎没有提供任何信息。 基本问题是我想正确安排我的自定义操作。通常我需要使用 regsvr32.exe 注册一个 DLL,而这只能
F#初学者在这里 我想创建一个类型,它是具有至少一个元素的另一种具体类型(事件)的序列。任何其他元素都可以在以后随时添加。通常在 C# 中,我会创建一个具有私有(private) List 和公共(p
作为构建过程和不断发展的数据库的一部分,我试图创建一个脚本,该脚本将删除用户的所有表和序列。我不想重新创建用户,因为这将需要比所允许的更多的权限。 我的脚本创建了一个过程来删除表/序列,执行该过程,然
我想恢复两个向量的第一个日期和相同向量的第二个日期之间的日期序列,.... 这是一个例子: dates1 = as.Date(c('2015-10-01', '2015-03-27', '2015-0
这个问题已经有答案了: sql ORDER BY multiple values in specific order? (12 个回答) 已关闭 9 年前。 我有一个 sql 语句,我想要ORDER
我想恢复两个向量的第一个日期和相同向量的第二个日期之间的日期序列,.... 这是一个例子: dates1 = as.Date(c('2015-10-01', '2015-03-27', '2015-0
在用java编写代码时,我需要用“],[”分割字符串。下面是我的代码。 try (BufferedReader reader = new BufferedReader(new InputStreamR
这个问题已经有答案了: Project Euler Question 14 (Collatz Problem) (8 个回答) 已关闭 9 年前。 我正在尝试查找数字的 Collatz 序列。以下
我有一个例程函数process_letter_location(const char& c, string &word)。 在我的 main 中,我声明了一系列字符串变量,如下所示: string s
我需要找到最长的多米诺骨牌链,给定一组 12 个随机挑选的多米诺骨牌。我已经递归地生成了多米诺骨牌的所有可能性(使用 0 到 12 的面值有 91 种可能性)。多米诺骨牌由一 block “砖 blo
我有这个数据结构 Seq,它继承了类 vector 但有一些额外的功能。使用这个数据结构 Seq 我有这个预定义的数据结构: typedef Seq > MxInt2d; 我现在想要一个包含多个 Mx
我是一名优秀的程序员,十分优秀!